易車訊?近日，在2021華為智能汽車解決方案生態論壇上，華為發布了OTA、VHR、以及三電雲服務。
OTA雲服務
隨著新能源汽車快速規模發展，在智能化、網聯化趨勢下，軟件定義汽車已成為行業***識，OTA成為軟件定義汽車的核心助力。華為發布OTA 3.0整車級升級方案，可提供整車級、安全可靠零變磚、體驗佳的升級體驗。
縮短上市周期：硬件預埋交付，後續持續叠代軟件，顛覆了傳統模式下軟硬件同步交付模式，車輛上市周期大幅縮短。產品演進帶來用戶體驗提升：相比於傳統車型，通過OTA用戶可持續獲得新功能體驗，包括智能駕駛、智能車控、動力優化等多個域，為車主帶來更多智能體驗，同時提升用戶粘性。
為售後服務帶來巨大優勢：有了OTA能力，可以通過遠程升級解決大量原有需要到4S店才能修復的軟件問題，大幅降低售後運維成本。
帶來新商業模式：相對於原有壹次性銷售的傳統商業模式，用戶購車後可以付費獲取新的軟件功能特性，以及軟件帶來硬件的升級等，為車企帶來持續的增量收益。
OTA發展經歷三個階段，從市場上來看，目前絕大部分新勢力ICV已率先進入OTA 3.0階段，並在ADAS/ADS、車控域、座艙域、動力域等保持較高的叠代速度。OTA3.0需要關註的三大核心問題：整車版本管理和質量看護、OTA安全可靠，以及用戶體驗。
第壹階段：近端刷寫。車主把車開到4S店，通過近端診斷儀進行軟件更新。早在21世紀初，有外資車企首次探索遠程升級Tbox應用，但也僅限於壹些網聯基礎服務，諸如道路救援、ecall、遠程查詢服務。第二階段：零部件OTA升級。這期間的升級形態主要是單部件或者少量部件組合的升級。在網聯基礎服務和座艙娛樂類應用升級之外，逐步開放了壹些CAN總線的ECU FOTA，由於這些ECU安全敏感度高，OTA安全問題首次被關註。
第三階段：整車級升級。這是面向整車智能化體驗的壹次升級革命，受益於4G/5G網絡的發展，以及整車智能件的發展，整車級應用如智能駕駛、場景化遠程控車等功能包含了跨域多ECU協同工作，因此整車升級成為OTA必備場景，同時要求OTA系統支持從研發到商用全流程、全場景的升級能力。
整車版本管理是壹個系統化問題，如何保障整車各部件版本的兼容性和壹致性。當前整車軟件代碼行數達到億級，多部件協同復雜度高。售後車輛五花八門的零件版本組合導致千車千面，如何保障整車各部件版本的兼容性、壹致性，如何保障版本質量、預防bug，尤其是影響駕駛安全的bug，工程浩大。以20個零部件組合為例，整車生命周期中，功能和問題導致的變更產生的版本的數量可能達到上千個之多。在整車智能體驗時代，OTA越來越普及，高效的版本管理成為關鍵挑戰，能夠提供有效的軟件版本管理的能力的OTA平臺更有優勢。
智駕、車控、動力域升級成為常態，如何保障整車OTA下的安全可靠顯得極其關鍵。OTA升級導致變磚將觸碰用戶的體驗紅線，業界因變磚導致投訴甚至輿情的案例也層出不窮。華為針對OTA導致變磚進行了系統化的分析，整車升級過程控制漏洞、核心部件不可用、遠程修復缺失、軟件bug成為變磚的最大誘因。如何在設計階段預判所有可能導致升級變磚的故障，是個系統化的問題，需要針對所有場景下的潛在故障進行分析和模擬，並針對性制定衰減措施進行預防。華為手機在多年前就支持了OTA，針對手機OTA故障進行了系統性的故障失效模式分析，也保障了數十億次的可靠的升級，經驗值得借鑒。
和手機升級類似，在OTA過程中同樣面臨流量消耗、升級時長、操作交互等用戶體驗問題。
華為提出OTA作為核心服務，在OTA3.0時代需要具備三大能力：打通全流程、覆蓋全場景、安全可靠零變磚：
華為的OTA解決方案是面向華為HI汽車解決方案打造的壹款整車級遠程升級服務。天然適配HI解決方案升級，可覆蓋智能駕駛、智能座艙、智能電動、智能網聯、智能車控等45+零部件；同時華為提供的開放式車端升級服務架構，支持車企自有件及三方件的升級，可以支持車企企標零部件刷寫規範；在應用層面支持包括ADAS/ADS應用、算法、鴻蒙OS、鴻蒙原生應用的升級能力。
在智能汽車時代，各個車企持續不斷的發展軟件生態、構建和優化軟件管理流程、對車輛升級可靠性有著專業的見解和思考，也積累了豐富的經驗。華為提供的是OTA服務平臺，希望與各個車企、生態夥伴壹起在OTA軟件生態、管理流程、可靠性、運營運維等各方面持續探索，***築競爭力領先的OTA服務。
VHR
同時隨著車輛智能化的發展，各個車身部件的數字化比例都在不斷提升：車輛的軟件代碼的量級在不斷提升，現在軟件代碼的量已經是十年前的10倍，未來汽車上的軟件代碼量將進壹步提升到3-5億行。車輛各個系統和部件每天都在上報各種狀態信號、日誌、告警，目前單車的數據量已經在150-200M每天的量級，未來隨著采樣頻率的提升和部件復雜程度的增加，還會進壹步提升。
華為參考ICT行業的經驗，提出了VHR的理念，VHR代表的含義是Vehicle History Record，是壹種基於數據驅動的全生命周期的概念，目的是在大量數據的基礎上，實現車輛的可視、可維、用戶關懷、高效運營等，這些工作在未來會大大提升車主的用車感受及用戶粘性，同時也為車企帶來重要的價值和收益。
VHR涵蓋了從數據采集、數據治理、數據分析、車輛狀態可視、車輛故障診斷、趨勢分析、預測、改進等多個環節，是壹個從車輛來，到車輛去的閉環體系。
未來，基於VHR的應用場景會非常多，先簡單分享五個主要場景：
場景壹：車輛數字孿生
通過數字孿生實現車輛核心域及核心部件可視，比如動力域的電機、電池，底盤域的數字底盤，自動駕駛或高級別輔助駕駛的傳感器（雷達、攝像頭等）、車載智能駕駛計算平臺，還有智能座艙等，特別是對於生命安全特別重要的部件系統，能夠實時的知道這些部件的運行狀態、關鍵參數及指標，這對於智能汽車的產品改進、缺陷發現、性能提升、故障定界定位等都是非常關鍵的基礎能力。
數字孿生，絕對不是壹個簡單的透視圖片，對每壹個域、每壹個系統的關鍵的結構、性能參數的深刻理解，才能構建起真正有效的數字孿生系統。而且這個系統，對於平臺的大數據和AI能力都有很高的要求。
場景二：遠程診斷
傳統的汽車故障處理方式是去維修中心進行處理，對於傳統汽車，這種模式也沒有太大問題，但是智能汽車有幾個核心變化，壹個是動力系統由燃油機變成了動力電池和電機，動力電池在故障和性能方面有壹個隨著時間變化而不斷變化的過程，因此長期對其進行監控和提前發現潛在風險是非常必要的（這將會在下文的三電雲服務中具體提及）。
另壹個變化是，未來在智能駕駛和高級別輔助駕駛場景下，可靠性的要求會非常高，對系統核心部件進行故障的預測和遠程診斷就變得非常重要。
因此，從整車、域、部件的維度，把診斷也分為三個層次，華為根據行業專家及主機廠的意見，提煉了壹些核心場景，比如車輛趴窩、熱失控、碰撞、OTA升級失敗、制動力不足等場景，通過構建故障樹或AI學習，針對性構建遠程診斷的能力。
場景三：智能值守
相信大家都有過這種經歷，當妳對自己購買的商品或服務有疑問的時候，以前是打客服電話，現在大部分會用Web或者APP中的在線客服，如果客服反復詢問壹些基本信息和情況，還有當客服A轉給客服B處理的時候，妳可能會因不斷重復描述問題和基本信息而感到不滿，並降低妳的服務體驗。因此，用戶服務中心裏壹些基本能力的構建是非常重要的，比如車輛基本信息、車輛下線後的過往維修保養的歷史情況、車輛狀態、壹些基本問題的解決建議等，這對於提升車主的感知非常關鍵。
通過VHR可以做到比車主更了解車，通過智能值守時刻為用戶保駕護航，這樣用戶粘性會大大增強，在產品力同等的情況下，用戶肯定會對這樣的服務感受留下深刻映像。
場景四：質量預測
我國汽車召回制度在提升企業產品質量，保障消費者權益方面發揮了越來越重要的作用。
對於車企來說，能夠盡快識別潛在風險和缺陷，將大幅降低質量成本，提升產品和服務質量，保護品牌價值方面發揮重要作用。因此，打通從產線（十月懷胎）、車輛使用過程（成長）、車輛退市整個生命周期中的數據，並且基於這些長期的數據，構建質量分析和預測的模型，將是壹個長期且很有價值的工作。
據數據顯示，2020年中國汽車召回199次，涉及車輛678.2萬輛，其中新能源汽車召回45次，涉及車輛35.7萬輛，只要改進壹點點，將會帶來非常大的收益。
場景五：車輛畫像
通過集成對接MES、DMS、CRM 、Warranty、營銷系統、OTA等業務系統，構建領域模型，並對數據進行挖掘和關聯分析形成用戶標簽，通過用戶畫像，實現更為直接的業務創新和數據變現。
雲側異構計算資源支撐模型訓練計算，充分融合NPU、GPU、CPU能力，在底層實現異構計算資源融合應用調度，提升模型訓練、執行效率。
敏感個人數據端側訓練（隱私保護），多用戶特征參數雲端***享支持聯合學習（模型精度），並通過差分隱私方式增加噪聲數據，提升安全性。
利用端側的VDC，CDC，MDC等高算力部件，在端側匯聚異常檢測模型做異常檢測，進行快速推理，結合雲端大數據模型和供應商提供數據補充，完善故障標簽， 提高問題識別精確性和實時性等。
基於數據的VHR體系需要整個行業壹起來打造，包括車端能力、雲端能力、上層的場景等等。壹方面，不斷提升車主的用車體驗，真正享受到智能汽車帶來的價值。另壹方面，也能夠為車企創造更多的價值和收益，實現雙贏。華為希望能夠在這個體系裏面，貢獻自己的力量，在數據平臺、AI能力上發揮優勢，結合行業上各位領導和專家的領域知識和場景的深刻洞見，***同來做好VHR系統。
三電雲服務
受國家政策等因素驅動，當今汽車電動化勢不可擋。2021年截至7月份，全國新能源汽車銷售突破122.9萬輛，同比增長達210.2%。新能源汽車發展迅猛，但目前新能源汽車自燃事件仍未得到有效控制，2020年全年壹***報道了124起事故，截至2021年9月，被媒體曝光的燒車事故達224起，消費者也開始從裏程焦慮轉向安全顧慮。
引發電動汽車熱失控事故的原因多且復雜：由電芯制程缺陷、電濫用、熱濫用、機械濫用等導致的內短路引發局部產熱，以及過充、低溫充電、快充等場景引起的大量析鋰導致熱穩定性降低，都有可能引發熱失控。其中，內短路引發熱失控的安全邊界是動態變化的，內短路是否導致熱失控需要更多的判斷因素，比如短路類型、短路內阻、SOC等。因此，華為基於電化學機理，並結合機器學習技術，構建了更復雜的關系模型，實現新能源汽車動力電池安全的精準預警。
基於華為VHR數據服務底座和電池包仿真系統，構建了面向動力電池的八大應用，包括動力電池熱失控預警、電池故障檢測、電池健康度SOH評估、電池剩余壽命RUL預測等應用，為新能源汽車保駕護航。
在電池安全預警方面，動力電池故障檢測、熱失控預警等可以達到80%以上的查全率，並保障誤報率在較低的區間。在電池健康度評估（SOH）方面，華為基於雲端構建的SOH預測模型，可以實現全壽命周期估計誤差小於3%、剩余循環Cycle預測誤差小於10%，並能基於雲端電池全生命周期數據，實現電池問題100%可追溯。
華為通過動力電池半實物仿真系統進行海量樣本數據構建，結合實車樣本數據分析，有效克服樣本數據少的問題。目前華為已經構建覆蓋三元鋰電池、磷酸鐵鋰電池的故障樣本數據，並構建了15+動力電池熱失控特征工程庫。
華為采用域自適應算法，進行算法模型的遷移。保障算法模型從仿真環境遷移到實車時，或者在不同的材料體系和配方中進行遷移，算法準確率依舊穩定。